ESC-50数据集的分析(1)

单个音频波形图和对应声谱图的可视化|特征可视化

原始资料来自原作者的jupyter notebook^[jupyter]

这里的一些可视化工具，可能可以用来新的数据集分析，以及算法性能比较。

本人誊写的代码在这里^[source]

单个音频波形图和对应声谱图的可视化

特征可视化

这里是用来分析所使用的音频特征的区分度（有效性）。可视化的方法有很多，但是背后其实是降维。以常用的音频特征MFCC为例，首先看一下在单个音频clip上的分布表现。这里用的seaborn的boxplot实现了一个特征分布的箱图。箱图是一个看起来高大上的统计指标，主要用来表征数据的分布情况。和简单的使用均值和方差相比，箱图可以反映更多的信息。seaborn是matplotlib的高级封装版，仅此而已。

注意$MFC{C}_0$的意思不大，因为它的分布实在是有点平凡。但是注意到$MFC{C}_1$和$MFC{C}_2$的分布差异很明显。（在特征表示里，特征的各个维度区分度diversity越明显越好）

我们可以进一步分析$MFC{C}_1$在不同clips之间的表现。同样带上过零率。过零率的区分度和MFCCs还是很大的。

上面是第20类（Crying baby）的特征可视化，再看一看Rain这个类的特征可视化：

两张图一比较，就能发现这两类声音的特征$MFC{C}_1$分布差异还是很明显的。

最后来一张50类的全家福：